賈浩楠 發(fā)自 凹非寺量子位 報道 | 公眾號 QbitAI
城市領(lǐng)航輔助駕駛，已經(jīng)是“現(xiàn)貨”了。
北京順義鬧市區(qū)，11公里自動駕駛?cè)虩o接管：
明年上線交付，技術(shù)來自毫末智行，一家成立2年的自動駕駛公司。
這2年間，毫末以驚人的速度完成了產(chǎn)品量產(chǎn)上車，積累了400萬公里真實路測里程，還剛剛?cè)诘浇?0億元，晉身獨角獸。
進展之快業(yè)內(nèi)罕有，但是從何而來？
毫末智行AI DAY也許可以一探究竟。
毫末城市NOH順義城區(qū)11公里無接管
NOH，是毫末智行的智能駕駛領(lǐng)航產(chǎn)品。
與乘用車上常見的輔助駕駛不同，NOH不再局限于簡單的巡航、跟車、車道偏離預(yù)警這些功能，而是真正意義上給駕駛員減負(fù)。
自主規(guī)劃線路、自主選擇行駛策略、自主避讓障礙、自主變換車道…
你更熟悉的，可能是覆蓋高速路段的智能領(lǐng)航產(chǎn)品，因為高速場景邊界條件更清晰簡單，實現(xiàn)起來更容易。
毫末有勇氣挑戰(zhàn)城市路端，表現(xiàn)到底怎么樣呢？
首先是紅綠燈識別，確認(rèn)可通行后進行無保護左轉(zhuǎn)：
根據(jù)導(dǎo)航路線，下個路口即將右轉(zhuǎn)時，NOH會互動提前主動變道：
主動避讓違規(guī)橫穿馬路的行人：
還會主動避讓加塞的車輛：
接下來是一連串高難度自主進出環(huán)島動作，期間還完成了避讓兩輪電動車：
待轉(zhuǎn)區(qū)也能準(zhǔn)確識別并正確駛?cè)腭偝觯?/p>
還有兩個很有意思的細(xì)節(jié)，其中之一是車輛減速通過沒有隔離帶的路段：
這說明NOH對環(huán)境識別精準(zhǔn)度很高。
另一個是車輛減速通過沒有紅綠燈的路口：
這樣的策略表明毫末的NOH不是一味保守死板，在保證安全的條件下依然會兼顧通行效率。
在行業(yè)大部分玩家還在激烈爭奪高速領(lǐng)航輔助駕駛落地時，毫末智行已經(jīng)將NOH能力擴展到城市道路。
對于這樣的效率，毫末智行解釋說是因為他們給自動駕駛烙上了思想鋼印。
在這個思想鋼印的信念之下，誕生了國內(nèi)首個自動駕駛數(shù)據(jù)智能體系MANA。
給自動駕駛烙上思想鋼印
毫末智行數(shù)據(jù)智能技術(shù)體系MANA，中文名叫雪湖。
命名來自《三體》，面壁者羅輯掉入冰封的湖面，從此參透黑暗森林法則，找到了打破三體威脅的規(guī)律，開啟威懾紀(jì)元。
毫末以此命名，含義有從MANA開始，徹底領(lǐng)悟掌握自動駕駛的核心能力之意。
而這就是數(shù)據(jù)驅(qū)動。
特斯拉身先士卒，證明了巨量數(shù)據(jù)、超大算力、快速迭代的閉環(huán)能力對自動駕駛的重要性。
“數(shù)據(jù)驅(qū)動”這個概念，其實像黑暗森林法則，初聞之時感覺字字在理，卻平平無奇，難以領(lǐng)會深意。
數(shù)據(jù)閉環(huán)的模型其實在各個自動駕駛公司都大同小異，核心無非就是“數(shù)據(jù)收集-訓(xùn)練-部署-再收集”的循環(huán)。
但實操起來卻不是那么簡單。
巨量數(shù)據(jù)涌進系統(tǒng)后，怎么處理？如何分類打標(biāo)？怎么加快訓(xùn)練速度？驗證測試是不是要在各種氣候路況下重新跑一遍？
這些問題，成立剛滿兩年的毫末智行，悟了。
能讓數(shù)據(jù)驅(qū)動真正形成閉環(huán)的條件不復(fù)雜，毫末把它們變成思想鋼印，刻在自動駕駛研發(fā)之中。
思想鋼印命題只有一個，那就是：
研發(fā)、量產(chǎn)、落地，堅定低成本、高速度。
首先是低成本，包括數(shù)據(jù)收集、處理、AI模型訓(xùn)練、系統(tǒng)測試等環(huán)節(jié)。
其次是高速度，一一對應(yīng)上面的各個環(huán)節(jié)。
其中，成本既有數(shù)據(jù)的傳輸、存儲等人力財力成本，也有AI訓(xùn)練、測試時的時間成本。
不用說，成本越低當(dāng)然數(shù)據(jù)獲取就越多，模型迭代越快。
而高速度，則能保證巨量數(shù)據(jù)拿到手后緊緊有條按部就班，快速把數(shù)據(jù)優(yōu)勢轉(zhuǎn)化成產(chǎn)品端的技術(shù)進步。
參透這兩點，數(shù)據(jù)驅(qū)動才能爆發(fā)出巨大能量。
毫末智行建設(shè)的MANA數(shù)據(jù)智能體系，一切都是為這兩個原則服務(wù)。
MANA包括了上面的所有思考點，由四個子系統(tǒng)組成：
BASE包括了數(shù)據(jù)的獲取，傳輸，存儲，計算，以及新的數(shù)據(jù)分析和數(shù)據(jù)服務(wù)。
TARS是核心算法原型，用于感知、認(rèn)知、車端建圖、和驗證的實踐。
LUCAS則是對算法在應(yīng)用場景上的實踐，包括高性能計算、診斷、驗證、轉(zhuǎn)化等核心能力。
VENUS是數(shù)據(jù)可視化化系統(tǒng)，包括軟件和算法的執(zhí)行情況，對場景的還原，以及數(shù)據(jù)洞察等能力。
MANA不是一個軟件，而是一個技術(shù)體系，其中包含眾多子模塊，它們一同構(gòu)成了毫末智行的數(shù)據(jù)驅(qū)動能力，也是解釋毫末業(yè)務(wù)飛速進展的關(guān)鍵。
MANA真的有魔力？
從數(shù)據(jù)本身的視角，可能更好理解。
首先，數(shù)據(jù)要被感知到。毫末智行自動駕駛方案目前核心的感知設(shè)備，是攝像頭和激光雷達。
采集到的數(shù)據(jù)，首先通過一個ResNet網(wǎng)絡(luò)計算基礎(chǔ)數(shù)據(jù)，然后生成兩個分支，一個是計算目標(biāo)特征的FPN網(wǎng)絡(luò)，可以分別計算車道線、路基、車輛、信號燈等等目標(biāo)信息。
另一個分支則用于free space（可行駛區(qū)域）生成和場景識別。
對于激光雷達點云圖，則用pointpillar算法，首先把點云數(shù)據(jù)降維進行偽二維化，之后再用一般圖像的方法進行計算。
兩種數(shù)據(jù)源，采取過程融合，加入時序的特征，實現(xiàn)感知能力快速提高，能夠更準(zhǔn)確的刻畫現(xiàn)實世界。
第二步，數(shù)據(jù)除了被感知，還要被系統(tǒng)認(rèn)知，就是解決從客觀世界到駕駛動作的映射。
首先是表達特定場景下駕駛行為，可以從宏觀上歸納出幾個影響因素：天氣、道路結(jié)構(gòu)、交通參與者、交通流密度、彼此方位、主車路線、碰撞風(fēng)險和碰撞時距。
然后從已有的數(shù)據(jù)中挖掘和表達這些屬性，然后在進行聚類和分類，以找到更加舒適和高效的解決方案。
接著通過端到端模擬學(xué)習(xí)，以之前例子作為指導(dǎo)，得到具體的本車動作。
模擬學(xué)習(xí)，需要更大的數(shù)據(jù)樣本，特別是標(biāo)注好的數(shù)據(jù)，然后從數(shù)據(jù)中學(xué)習(xí)得到規(guī)律。
所以，問題關(guān)鍵就聚焦到到快速標(biāo)注上。
Tesla積累20億公里數(shù)據(jù)，累計標(biāo)注了60億個物體，包括精準(zhǔn)的3D信息、深度、速度。
同樣的數(shù)據(jù)量按相同標(biāo)準(zhǔn)進行人工標(biāo)注，所付出的時間和資金，沒有哪個自動駕駛公司能承擔(dān)。
所以毫末研發(fā)了一個高效標(biāo)注系統(tǒng)，應(yīng)用無監(jiān)督自動標(biāo)注算法，性能比市場上很多產(chǎn)品強1倍。
目前，毫末大部分?jǐn)?shù)據(jù)處理是通過自動標(biāo)注完成的。
進行到這一步，數(shù)據(jù)已經(jīng)可以喂給算法進行訓(xùn)練，那么訓(xùn)練好的模型，如何驗證效果？
尤其是在短時間對多個功能進行不同升級后，如果把所有版本依次拿到實車上跑一遍，然后再開發(fā)下一個版本…自動駕駛可能就永無實現(xiàn)之日了。
所以要把把驗證工作放在仿真系統(tǒng)中進行。
毫末智行將每一次路側(cè)都還原為仿真中的“元宇宙”，同一場景下不同光照、不同天氣，不同曝光條件都可在系統(tǒng)中調(diào)整，由此來模擬算法在不同工況下的表現(xiàn)。
至此，一組數(shù)據(jù)就完成了他們從被采集處理、成為訓(xùn)練素材、變成系統(tǒng)能力提升的全部使命。
MANA對于毫末智行的重要性，看到這里各位應(yīng)該已經(jīng)有了概念。
如果把數(shù)據(jù)比作燃料，那MANA就是能使燃料爆發(fā)出能量、推動整個系統(tǒng)運轉(zhuǎn)的引擎。
而且，這部“引擎”不僅快，還經(jīng)濟實惠。
MANA要把毫末智行帶向何方？
當(dāng)然是速度更快的自動駕駛能力提升，和規(guī)模更大的量產(chǎn)落地。
怎么評價？
了解了MANA系統(tǒng)的來龍去脈，個中內(nèi)涵…
也就能理解MANA之于毫末智行的承前啟后意義，解釋了毫末速度的真實原因，而且還是這家自動駕駛新晉獨角獸今后戰(zhàn)略規(guī)劃的前提。
比如AI DAY上，毫末分享了對未來數(shù)據(jù)發(fā)展的判斷。
未來幾年，在智能汽車的推動下，人類存儲的數(shù)據(jù)將發(fā)生結(jié)構(gòu)性的改變。
影像數(shù)據(jù)會越來越多，而由于數(shù)據(jù)類型的轉(zhuǎn)變，對計算的要求也將發(fā)生改變。
深度學(xué)習(xí)的計算能力會更日益重要，對算力要求也會快速增長。
所以，除了推出單板算力360T的自研算力平臺，毫末也宣布籌建自己的超算中心
等等，大模型、大數(shù)據(jù)、規(guī)模量產(chǎn)、自研算力平臺、自建超算中心…
熟悉嗎？
打通數(shù)據(jù)閉環(huán)的毫末，似乎走上了和特斯拉類似的路線。
核心原因還是在數(shù)據(jù)。
毫末智行CEO顧維灝，對于數(shù)據(jù)挖掘利用的“段位”，有獨特的解讀。
他認(rèn)為，特斯拉的領(lǐng)先，歸根結(jié)底是建立在十億公里級的里程數(shù)據(jù)上。
一個自動駕駛公司建立一套數(shù)據(jù)閉環(huán)并不難，真正有含金量的是能在多大規(guī)模的數(shù)據(jù)上跑通數(shù)據(jù)閉環(huán)。
這既代表一家公司的當(dāng)下的業(yè)務(wù)進展、技術(shù)能力，也預(yù)示了未來算法迭代的“加速度”。
而數(shù)據(jù)驅(qū)動，毫末的優(yōu)勢恰好在于獲取的成本和效率。
毫末智行出自長城汽車集團旗下，客觀上具備了將自動駕駛大規(guī)模量產(chǎn)的先天優(yōu)勢。
長城汽車6個子品牌，數(shù)十款車型，正在智能化轉(zhuǎn)型關(guān)鍵窗口，更重要的，是這些車型過百萬的年銷量。
事實也正是如此。
毫末智行AI DAY上，董事長張凱說，成立兩年來，積累實際路測里程已達400萬公里，產(chǎn)品已經(jīng)搭載在長城坦克、WEY、哈弗等五款車型上。
3年內(nèi)，毫末智能駕駛產(chǎn)品裝機量會達到100萬。
而在即將到來的2022年，這個數(shù)字會迅速擴大至34款車型，具體裝機量，據(jù)毫末估計可以達到30-40萬輛之間。
對于毫末智行來說，產(chǎn)品裝機量能以每年數(shù)十萬輛的規(guī)模增長，帶來的數(shù)據(jù)增量更是大部分新勢力或自動駕駛公司很難實現(xiàn)的。
而將智能駕駛套件以前裝形式搭載在量產(chǎn)車上，毫末獲取數(shù)據(jù)的成本，幾乎就只有數(shù)據(jù)傳輸?shù)耐ㄐ懦杀尽?/p>
實現(xiàn)低成本高效率的數(shù)據(jù)獲取后，毫末的智能化發(fā)展路徑、展現(xiàn)出的未來潛力，也越來越像業(yè)內(nèi)的另一個關(guān)鍵玩家——
特斯拉。
瞄準(zhǔn)量產(chǎn)乘用車，快速增加裝機量、積累里程，在數(shù)據(jù)迭代中不斷進化。
毫末也一樣，在MANA拼圖完整對外披露后，另一個議題也被問及——
如此規(guī)模的數(shù)據(jù)和模型訓(xùn)練，怎么搞？
顧維灝說，逢山開路遇水搭橋，最優(yōu)解就是自建超算。
是的，如果你熟悉這個領(lǐng)域，或許還記得，特斯拉今年最核心的技術(shù)進展，來自自建超算。
這是巧合？顧維灝認(rèn)為不完全是。
因為毫末智行在實踐后，恰恰證明了數(shù)據(jù)驅(qū)動是自動駕駛技術(shù)和核心和基礎(chǔ)，任何自動駕駛研發(fā)都將遵循這一原則。
現(xiàn)如今，幾乎所有自動駕駛玩家都意識到數(shù)據(jù)驅(qū)動的重要性，無一例外都渴望打通自己的“任督二脈”。
但是這其中，真正理解了“量產(chǎn)-成本-效率”內(nèi)涵的玩家，真正有能力實踐這個規(guī)律的“面壁者”，實際并不多。
而毫末智行，通過種種進展和成果，解釋了何以發(fā)展神速、備受看好的原因。
它有先天優(yōu)勢，還有后天的努力，并以“雪湖”為名實踐的自動駕駛落地法則…
而在毫末智行之前，業(yè)內(nèi)也沒有過這樣的速度：
最快的規(guī)模化數(shù)據(jù)閉環(huán)、最快的自動駕駛創(chuàng)業(yè)公司營收增幅、最快的量產(chǎn)自動駕駛方案上車交付，以及最快實現(xiàn)燃油車的智能駕駛，打破新勢力們引以為豪的壟斷。
所以如果之前，毫末智行的進展被以「毫末模式」視之，那現(xiàn)在更加值得注意的是「毫末速度」。
「毫末速度」代表了其實踐成果，更體現(xiàn)了在愈加清晰的自動駕駛落地法則中，中國玩家基于中國路況給出的行業(yè)尺度。
